BriefGPT - AI 论文速递
·
非线性系统的计算高效数据驱动发现与线性表示
原文中文，约200字，阅读约需1分钟。
📝
内容提要
本文提出了一种基于Koopman算符理论的数据驱动方法，用于控制黑盒非线性动态系统的频率和收敛速率。该方法利用策略网络训练Koopman算符的特征值接近目标特征值，策略网络由神经网络和极点配置模块组成，并使用增强学习进行训练。结果表明，该方法比无模型强化学习和基于模型的控制具有更好的性能。
🎯
关键要点
-
提出了一种基于Koopman算符理论的数据驱动方法
-
该方法用于控制黑盒非线性动态系统的频率和收敛速率
-
利用策略网络训练Koopman算符的特征值接近目标特征值
-
策略网络由神经网络和极点配置模块组成
-
使用增强学习进行端到端的训练
-
结果表明该方法性能优于无模型强化学习和基于模型的控制
🏷️
